Aller au contenu principal
L'IA décroche un emploi en usine
IndustrielTechNode 

L'IA décroche un emploi en usine

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

Microintelligence, entreprise fondée en 2018 à Changzhou (est de la Chine), prépare son introduction à la Bourse de Hong Kong. Elle a publié le 9 octobre son « post-hearing information pack », l'étape documentaire qui suit l'audition réglementaire. Spécialisée à l'origine dans le contrôle qualité par IA, elle combine désormais capteurs, logiciels et pilotage robotique dans des produits qui inspectent, manipulent et finissent des pièces manufacturées. Son président et directeur général, Zhang Zhiqi, date le tournant vers 2022. Un client, non identifié, voulait inspecter et meuler une grande pièce de fonderie sous pression de plus de deux mètres, avec près de 3 000 positions d'imagerie, en dix minutes. Selon Zhang, un robot suivant une trajectoire de meulage fixe aurait besoin d'environ une heure, alors qu'un ouvrier qualifié y parvient en sept ou huit minutes. Ces chiffres viennent de son témoignage dans une interview publiée et n'ont pas été validés par un benchmark indépendant.

L'enjeu dépasse la vitesse. L'ouvrier repère les défauts et concentre son effort là où il le faut, tandis que le robot programmé déroule son parcours quel que soit l'état de la pièce. Sur une pièce moulée, la position et l'ampleur des bavures à retirer varient d'un exemplaire à l'autre. La valeur se déplace donc de la détection vers la boucle perception-action : transformer l'inspection en plan d'intervention propre à chaque pièce. Pour les intégrateurs et les directeurs d'usine, c'est le point où l'IA industrielle cesse d'être un outil de contrôle pour devenir un outil de production, avec une promesse de finition adaptative que la robotique à trajectoires fixes n'offre pas. Il faut toutefois rester prudent : le cas décrit n'a ni client nommé ni volumes de déploiement, et il relève du récit du dirigeant, à l'approche de la cotation.

Le parcours de la société explique cette orientation. Ses débuts portaient sur des tâches de vision industrielle plus modestes. Un cas publié par son partenaire technologique Baidu décrit un équipement d'inspection de surface pour petits produits, qui associe vision par ordinateur et apprentissage profond pour localiser et classer les défauts, avec des caméras couvrant plusieurs faces de l'objet. Baidu y cite l'éclairage et les algorithmes comme principales difficultés. Cette expérience a appris à l'entreprise à capturer des images en conditions réelles de production, à respecter les exigences qualité d'une usine et à faire fonctionner matériel et logiciel ensemble. Le projet de fonderie l'a ensuite poussée vers la capture d'images pendant que le bras robotique reste en mouvement et vers la localisation des zones à traiter. Selon le texte, elle a aussi racheté une autre société technologique et fait de la robotique une part croissante de son offre. Les détails de cette acquisition et la part de chiffre d'affaires concernée ne figurent pas dans les éléments disponibles. L'introduction à Hong Kong constituera le test public de cette trajectoire.

Impact France/UE

Pas d\'impact direct sur la France/UE

À lire aussi

IA en robotique : du laboratoire au sol de l'usine réelle
1Robotics Business Review 

IA en robotique : du laboratoire au sol de l'usine réelle

Le 28 mai 2026, de 14h30 à 15h15 (ET), le Robotics Summit & Expo réunira au Boston Convention & Exhibition Center (Thomas M. Menino) trois praticiens du déploiement robotique industriel pour une table ronde sur le passage de l'IA robotique du laboratoire aux lignes de production réelles. Les intervenants sont Anders Beck, vice-président produits IA robotique chez Universal Robots, Dave Coleman, fondateur et directeur produit de PickNik Robotics, et Andy Lonsberry, PDG de Path Robotics. La session, modérée par Mike Oitzman, rédacteur senior de The Robot Report, s'articulera autour de questions concrètes : combien de temps faut-il à un robot pour apprendre une nouvelle tâche, quel effort d'intégration implique le premier déploiement en production, et quelle est la difficulté de reconfigurer ou de faire "réapprendre" une compétence à un système déjà en ligne ? L'événement réunit plus de 70 intervenants confirmés, dont des représentants d'AWS, Brain Corp, Tesla, Toyota Research Institute, Robust AI et du Robotics and AI Institute, répartis dans plus de 50 sessions couvrant l'IA, le design, la santé et la logistique. La pertinence de ce débat tient à un écart persistant entre les démonstrations en laboratoire et les contraintes du plancher d'usine : variabilité des pièces, temps de cycle non négociables, coûts de reprogrammation et faible tolérance aux erreurs en environnement de production continue. L'IA, et en particulier les approches de type VLA (Vision-Language-Action), promet de réduire l'effort de programmation manuelle, mais les intégrateurs et COO industriels se posent toujours la même question : quelle est la charge réelle d'un premier déploiement, et que se passe-t-il quand le produit ou le process change ? En rassemblant Universal Robots (leader mondial du cobot, plus de 100 000 unités déployées), PickNik (spécialisé dans la manipulation avancée open-source via MoveIt) et Path Robotics (soudage robotisé guidé par IA), le panel propose un spectre applicatif assez représentatif des cas d'usage où l'IA change effectivement la donne, au-delà du marketing. Universal Robots, filiale de Teradyne depuis 2015, a largement structuré le marché du cobot industriel et intègre depuis 2023-2024 des fonctions d'apprentissage par démonstration dans son écosystème. PickNik, fondé en 2015 autour de la suite open-source MoveIt, a élargi son offre vers des solutions commerciales de manipulation robuste pour des secteurs comme la défense et la pharmacie. Path Robotics, basé à Columbus (Ohio), s'est spécialisé dans le soudage autonome piloté par vision et IA, un segment où le gap de perception entre démo et production est particulièrement documenté. Il convient de souligner qu'aucune annonce produit ni chiffre de déploiement n'accompagnent cet événement : il s'agit d'une session de partage d'expérience, pas d'un lancement. Les résultats concrets dépendront des retours terrain échangés lors du panel, qui pourrait nourrir des publications ou des études de cas plus détaillées dans les semaines suivant l'événement.

UELes questions de coût d'intégration et de reprogrammation abordées lors de ce panel concernent directement les industriels européens utilisateurs de cobots Universal Robots, entreprise danoise et leader mondial du cobot avec plus de 100 000 unités déployées en Europe.

IndustrielOpinion
1 source
Une approche open source de l'IA physique par Intrinsic
2Robohub 

Une approche open source de l'IA physique par Intrinsic

Intrinsic, la division robotique d'Alphabet issue du laboratoire X, a ouvert en open source une partie de sa plateforme sous le nom d'Intrinsic Core, un ensemble de briques compatibles ROS pour construire des applications robotiques. L'ensemble comprend Intrinsic Control, un framework de contrôle temps réel agnostique au matériel qui adapte la trajectoire du robot selon les retours capteurs et génère des chemins sans collision, sans réécriture des pilotes lors d'un changement de bras, de pince ou de capteur. S'y ajoutent une estimation de pose en six degrés de liberté (6 DOF), un moteur de planification de mouvement et de prise adaptant automatiquement la préhension à l'orientation de la pièce, des services de simulation continue, un outil de calibration automatique de caméra et des pilotes Intrinsic-ROS préconfigurés. Intrinsic publie également l'Open Machine Tending Solution (OMTS), un design de référence clé en main pour l'alimentation de machines-outils, téléchargeable dès à présent sur GitHub. Cette ouverture marque un changement de posture : Intrinsic vendait jusque-là sa pile logicielle comme une offre intégrée et se rapproche désormais du modèle d'infrastructure partagée de ROS. Pour les intégrateurs, cela abaisse la barrière d'entrée en rendant gratuites des briques de perception, de planification et de prise auparavant développées en interne ou achetées auprès de fournisseurs propriétaires comme ABB, Fanuc ou Universal Robots. L'annonce ne concerne ni robot humanoïde ni modèle fondation VLA, contrairement à Figure 03, GR00T N2 ou Helix : il s'agit d'une pile pour bras industriels classiques, et l'OMTS reste un gabarit de référence, Intrinsic ne communiquant aucun chiffre d'adoption ni déploiement client validé. Intrinsic est née en 2021 comme spin-off du laboratoire de paris technologiques X d'Alphabet, avec pour mission de simplifier la programmation robotique industrielle par le logiciel et l'IA, une trajectoire renforcée par le rachat de Vicarious en 2022. Cette publication s'inscrit dans une vague plus large d'ouverture en IA physique, aux côtés des modèles fondation publiés par Physical Intelligence (Pi-0) ou NVIDIA (GR00T), bien qu'Intrinsic Core reste une couche logicielle classique de robotique industrielle plutôt qu'un modèle généraliste vision-langage-action. Aucun calendrier de pilotes n'a été communiqué au-delà de la disponibilité immédiate du code sur GitHub.

UELes intégrateurs européens de robotique industrielle utilisant ROS pourraient accéder gratuitement a des briques de perception, planification et prise auparavant propriétaires, sans qu'aucun déploiement ou partenariat européen ne soit annonce.

IndustrielActu
1 source
HII décroche un contrat de 900 millions de dollars pour moderniser la construction navale de l'US Navy
3Interesting Engineering 

HII décroche un contrat de 900 millions de dollars pour moderniser la construction navale de l'US Navy

Path Robotics et GrayMatter Robotics rejoignent HII pour automatiser la construction navale militaire américaine, un contrat conditionnel pouvant atteindre 900 millions de dollars. HII, premier constructeur naval militaire des États-Unis, a signé des accords de long terme avec les sociétés de robotique Path Robotics et GrayMatter Robotics, avec jusqu'à 900 millions de dollars de travaux de construction navale mis à disposition sur sept ans si les deux partenaires atteignent une série de jalons techniques et industriels. Les systèmes robotiques visés devront réaliser certaines des tâches les plus lourdes de la construction de navires de guerre : soudage, meulage, sablage, peinture, inspection et fabrication de structures en acier. HII, qui baptise ce programme High-Yield Production Robotics (HYPR), prévoit d'externaliser plus de 2,5 millions d'heures de travail en 2026, soit 30 % de plus qu'en 2025. Les technologies visent à terme plusieurs programmes navals, des porte-avions et sous-marins nucléaires aux destroyers, bâtiments d'assaut amphibie, futures frégates et navires de surface sans équipage. À la différence de l'automobile, où les robots répètent des gestes identiques sur des lignes standardisées, la construction navale assemble des structures en acier qui varient en taille, en forme et en séquence d'un projet à l'autre, ce qui rend l'automatisation bien plus complexe. Le pari de HII, ce qu'elle appelle l'IA physique, consiste à combiner robotique, vision par ordinateur et décision autonome pour que les machines s'adaptent aux conditions de production plutôt que de répéter des mouvements figés, un test grandeur nature hors des lignes standardisées. La structure de l'accord reste conditionnelle : aucune commande n'est garantie d'emblée, les 900 millions de dollars dépendent de jalons de coût, de délai et de qualité vérifiés étape par étape, ce qui distingue l'annonce d'un contrat de défense classique déjà acquis. Pour les intégrateurs et décideurs industriels, l'enjeu principal reste la pénurie de soudeurs et de personnel qualifié qui freine la capacité de construction navale américaine, alors que la marine cherche à accélérer sa cadence de production. Path Robotics est spécialisée dans le soudage robotique autonome, tandis que GrayMatter Robotics développe des systèmes d'IA pour des tâches de finition comme le sablage, la peinture et le meulage. Les deux entreprises rejoignent le réseau de fabrication distribué de HII, qui produit déjà des sections de navires hors de ses chantiers principaux avant assemblage final. La première phase ciblera des structures en acier de petite taille, avant une extension progressive vers des unités plus grandes et des modules complets partagés entre plusieurs programmes navals. Le partenariat s'inscrit dans l'initiative HYPR de HII et dans un effort plus large de Washington pour renforcer sa base industrielle navale face à la montée en puissance de la capacité de construction chinoise.

IndustrielActu
1 source
Vidéo : un système robotique atteint 99,5 % de réussite dans le câblage rapide en usine automobile
4Interesting Engineering 

Vidéo : un système robotique atteint 99,5 % de réussite dans le câblage rapide en usine automobile

La société canadienne Sanctuary AI a annoncé avoir atteint un taux de succès supérieur à 99,5 % sur une tâche d'insertion de connecteurs de câbles flexibles pour un équipementier automobile Tier 1 mondial non identifié. L'opération s'est déroulée sur une ligne de production active, avec un temps de cycle de 2,54 secondes validé contre les exigences de cadence du client. La difficulté intrinsèque de cette tâche tient à la nature des câblages souples : ils peuvent se tordre, se déformer et changer de position de façon imprévisible lors du transport sur convoyeur. Le système est piloté par la plateforme "Physical AI" de Sanctuary AI, qui combine perception en temps réel via caméras et capteurs, planification de trajectoire et contrôle adaptatif pour détecter, suivre, aligner et insérer les connecteurs sans arrêt de ligne. Olivia Norton, co-fondatrice et CTO, a résumé l'enjeu : "Manipuler un câble flexible sur une cible en mouvement sur un convoyeur en direct est exactement le type de problème de dextérité à contact riche qui a maintenu ce type de tâches hors de portée de l'automatisation traditionnelle." Ce résultat mérite attention à plusieurs égards. Le contexte est une ligne de production réelle, non un environnement de démonstration contrôlé, ce qui donne davantage de poids au taux annoncé. Le chiffre de 2,54 secondes n'est pas une métrique absolue mais un temps calibré contre les benchmarks opérationnels du client, distinction qu'il faut garder à l'esprit pour ne pas généraliser hors contexte. Pour les intégrateurs et les responsables industriels, l'approche de Sanctuary AI est notable : plutôt que d'attendre la maturité commerciale des humanoïdes, l'entreprise déploie son IA sur des systèmes industriels existants via une architecture agnostique du hardware. Ce positionnement réduit le risque d'adoption, préserve les investissements en infrastructure existants et produit des données de production sur des tâches d'assemblage restées historiquement inaccessibles à l'automatisation classique, notamment dans les industries automobile et électronique où la manipulation de câblages flexibles représente un volume de travail manuel encore considérable. Fondée à Vancouver, Sanctuary AI développe le robot humanoïde Phoenix mais mise d'abord sur la valorisation de son IA sur des plateformes existantes avant le passage à l'échelle des humanoïdes. Elle s'inscrit dans une course qui implique Figure AI (Figure 02), Tesla (Optimus Gen 3), Boston Dynamics (Atlas), 1X Technologies et Agility Robotics (Digit), ainsi que des acteurs de niche comme Enchanted Tools en France sur le segment hospitalier. L'équipementier Tier 1 impliqué n'a pas été nommé publiquement, ce qui limite la vérification indépendante des performances annoncées. Aucun volume de déploiement ni calendrier d'extension n'ont été précisés, des données qui permettraient de mieux qualifier l'ampleur réelle du projet au-delà de cette première validation en conditions de production.

UEL'approche hardware-agnostique de Sanctuary AI pour l'assemblage de câbles flexibles pourrait accélérer l'automatisation de tâches manuelles encore courantes dans les usines automobiles et électroniques européennes (Stellantis, Valeo, Bosch), sans nécessiter de remplacement d'infrastructure existante.

IndustrielOpinion
1 source